基于尺度不变特征变换的钢轨蠕变检测研究

针对钢轨现有定点蠕变检测技术的不足,提出一种基于尺度不变特征变换及图像配准的非接触式实时观测方法。通过安装于轨侧观测桩上的相机对待检钢轨进行拍摄,提取图像中轨腰附近预定义的感兴趣区域,而后基于尺度不变特征变换,与同一视场中钢轨未蠕变图像的对应感兴趣区域进行配准,得到定场环境下多关键点在像素坐标系中的轨向及高低位移集。根据相机的内外及畸变参数将像素位移集映射到世界坐标系,对轨向及高低位移集分别求均值,得出钢轨的轨向及高低蠕变量。为验证方法的有效性,搭建试验平台并采用OpenCV开发了仿真系统。研究结果表明:高低和轨向蠕变的相对测量误差均值分别低于0.606%和1.170%。     

高分辨率卫星图像的回顾和展望

评述俄罗斯和美国有关高分辨率卫星遥感图像系统的发展状况及相关政策,重点介绍了美国的IKONOS商业卫星系统和俄罗斯的KOMETA卫星系统.对高分辨率卫星的商业价值和发展前景进行了分析和展望,认为高分辨率卫星图像将对未来社会的各个方面产生不可估量的影响.     

城市轨道交通安检中基于X射线图像的危险品识别技术研究

阐述了基于传统机器学习和深度学习的危险品对X射线图像安检识别技术原理、方法及适用场景,分析了不同识别技术的优缺点。基于深度学习的危险品识别技术能自动学习物品分类特征,具有良好的鲁棒性和运算效率。其中基于回归思想的目标检测框架的识别速度快,适用于实时系统。利用实际典型场景进行训练并测试,测试结果表明,基于YOLO模型建立的危险物识别技术在识别精度和速度上均能满足相关要求,可对行李包裹内枪支刀具、烟花爆竹等危险品进行智能化识别并报警,能切实提升城市轨道交通安检效能,提高安全风险预警能力。     

高速铁路轨道板图像智能比对技术

提出一种结合深度学习与经典图像处理技术的高铁轨道板外观状态变化智能比对方法,以扣件位置为锚点对齐轨道板,通过网格化图像提取特征,分区域比对轨道板图像相似性.利用同一块轨道板的历史图像数据与新采集的数据自动进行比对,寻找外观差异,从而在无需预先定义故障类型的情况下筛出轨道板异物、设备形位变化及破损等故障,提高了检测效率和...     

基于红外热成像和机器学习的动态转向架监测系统研发

基于红外热成像和机器学习的动态转向架监测系统可以对货运列车的转向架进行动态、可视化监控分析。系统利用了红外热成像技术和机器学习图像识别技术,全方位对转向架的关键部件故障,如热轴故障、抱闸故障、制动缓解不良和不制动等故障进行全面监测诊断和实时预报。系统实现了地面设备对货运列车车辆转向架部位的关键部件动态监测,提高了货运列车安全运行能力。     

对轨道状态视频检查系统的探讨

1前言 随着繁忙干线列车提速及重载运输的发展,对轨道维修与养护的现代化程度提出了更高的要求.根据轨道实际状态,实施有效的计划维修,使线路维修更加科学、合理,具有重要的意义.     

一种特征库可更新的相关反馈图像检索方法

相关反馈方法是对基于内容图像检索系统的有效改进,它将人类视觉特性逐步引入检索过程,有效地减小了图像低层特征表示与图像语义理解之间的差异。但传统的相关反馈算法存在反馈次数多,且无法积累用户反馈信息等缺点。本文针对这些缺点,在相关反馈图像检索系统中引入了可更新特征库。即在原始特征索引库的基础之上引入了一个用户可修改的特征索引库,系统可以将用户多次反馈的信息逐步嵌入到这个特征索引库中。与此同时,我们提出了一种基于多分辨率分析的彩色图像纹理特征描述方法,并将其用于特征库的构建中。我们在一个含有10000幅图像的图像库上所做的测试结果表明:与Illinois大学的MARS系统相比[1],本系统可明显提高系统检索准确率和相关反馈的收敛速度。     

图像融合技术在医学图像拼合中的应用

对基于图像互信息量的融合方法进行了研究.对直方图概率分布估计有所改进,并与Parzen窗函数估计方法进行比较.应用并比较Powell's和类统计梯度搜索策略的特点,对图像的预处理以及融合后图像的显示提出新的方法.应用这些方法拼合实际医学图像,得到很好的拼合结果.     

基于无人机三维建模技术的桥梁检测方法研究

目前使用无人机进行桥梁检测时,仅是利用无人机抵近桥梁拍摄高清照片,通过目视判读的方法对桥梁病害进行单一视角的定性检查。该文提出了一种基于无人机三维建模技术的桥梁检测方法,可以对病害进行多视角、全方位的观察,并可进行定量化量测和描述。首先针对无人机桥梁检测三维建模的特点和要求,自主配置了无人机硬件平台;然后介绍了无人机桥梁三维建模的具体流程和方法,包括航飞拍摄方案制定、图像预处理、三维立体重建3个步骤。使用该文方法对昆楚二级公路某拱桥、高海高速海口大桥、观音山大桥开展了实际的无人机三维建模和检测试验,取得了良好的效果。     

基于图像分割的金字塔Lucas-Kanade光流法提取深度信息

在2D到3D视频的转换过程中,深度信息的提取是最关键的问题。本文利用图像分割的金字塔LucasKanade光流法提取2D视频中的深度信息,主要做了如下工作:1是通过计算当前帧的最大运动矢量来决定所需构建的金字塔层数,通过自适应的方式决定金字塔层数可以弥补因金字塔层数过多造成的信息丢失或者因金字塔层数过少而无法满足Lucas-Kanade光流算法的不足;2是在每层金字塔中,利用Mean Shift图像分割后的信息,去除本次迭代计算得到的运动矢量中的坏点,使得深度提取更加准确;3是自适应地调整每层金字塔的迭代次数,使得在实验结果的质量几乎不变的情况下,达到降低时间复杂度的目的;最后通过统计图像分割每类中的深度值对所得到的深度图进行优化,使得最终得到的深度图中物体边缘信息更加清晰。实验结果表明,利用本文算法所得到的场景深度的边缘信息更加清晰,深度图中的坏点明显减少,在降低时间复杂度的同时,得到了较高质量的深度图。